Peringkat model Pemanggilan alat

Kategori AI BENCHY

Lihat model AI mana yang paling baik di Pemanggilan alat, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Seed-2.0-Mini 10.0

Alasan kegagalan

Dengan alasan kegagalan Kesalahan API6 Dengan alasan kegagalan Tidak mengikuti instruksi6 Dengan alasan kegagalan Pemanggilan alat tidak valid3 Dengan alasan kegagalan Jawaban salah2 Dengan alasan kegagalan Tidak ada jawaban2

Peringkat	Model	Perusahaan	Skor Pemanggilan alat	Skor	Tes benar	Waktu respons (rata-rata)
#49	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.8	1/1	3.33s
#81	Elephant medium	Openrouter	3.0	5.2	0/1	2.83s
#85	Elephant none	Openrouter	3.0	5.2	0/1	2.79s
#55	MiMo-V2-Omni none	Xiaomi	10.0	6.5	1/1	2.76s
#66	GPT-5.4 none	OpenAI	10.0	5.9	1/1	2.75s
#92	Qwen3 Coder Next medium	Qwen	10.0	4.7	1/1	2.64s
#89	GPT-4o-mini none	OpenAI	10.0	4.9	1/1	2.51s
#87	Qwen3 Coder Next none	Qwen	10.0	5.1	1/1	2.47s
#86	GPT-5.4 Mini none	OpenAI	3.0	5.1	0/1	2.32s
#63	Qwen3.5-35B-A3B none	Qwen	10.0	6.1	1/1	2.30s
#94	MiMo-V2-Flash none	Xiaomi	10.0	4.5	1/1	2.28s
#70	Qwen3.5-122B-A10B none	Qwen	10.0	5.7	1/1	2.04s
#62	Gemini 2.5 Flash none	Google	10.0	6.2	1/1	1.91s
#54	Mercury 2 medium	Inception	10.0	6.5	1/1	1.89s
#83	Mistral Small 4 none	Mistral	10.0	5.2	1/1	1.40s

←

1 2 3 4 5 6 7

→

Peringkat Pemanggilan alat

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)